《光网络人工智能AI应用白皮书(35页).pdf》由会员分享,可在线阅读,更多相关《光网络人工智能AI应用白皮书(35页).pdf(35页珍藏版)》请在三个皮匠报告上搜索。
1、一二干融合、省本一体化、区域干线驱动网络组网规模扩大,ASON智能路由调整加大网络变数,光模拟网络面临手工调测效率低、出错概率高、效果不可控。引入AI 智能优化调测步骤,结合自动性能检测,实时监控关联路径的性能,保障网络处于稳定、较优状态。为适应动态的业务变化、保障网络性能指标时刻处于最优并发掘网络利用潜能,需要对波长、链路和路由实施动态优化。以往各类传输优化工具或软件主要借助固化的方法和简单的规则,甚至依赖工程师的经验来完成优化,并未识别到本质特征、考虑维度简单、相关性分析不足、局部而非全局,所以优化的结果往往不是普遍有效。如今随着网络规模和业务规模的不断扩大,传统优化方式难堪重任,需要引入
2、人工智能来完成整个传输网生命周期内的精细化、动态化、智能化的优化。8K 视频业务,VR/云游戏等高清视频类业务强交互、高并发,与传统上网、语音等弱交互、统计复用业务相比,对网络带宽、时延、丢包率等要求迥异,需要为此类新兴业务预留独立的资源以保障业务体验,依赖人工根据业务变化动态调整资源分配基本不可行,引入 AI 智能的切片调度,保障不同业务的差异化体验需求。面向光网络哑资源数智化管理、网络数智化分析需求,通过引入AI和数字化技术,提出光网络AI应用解决方案,推进网络运维数智化转型,实现运维提质增效,牵引网络技术变革。光网络是一个高复杂度的多参量系统,包含各种不同类型的光器件、光模块、单板、业务
3、形态、光纤光缆等对象,同时面临大量哑资源及复杂多变的外部运行环境(如施工、温度),不同对象具备物理属性、材料属性、资源属性等不同参量2。网络实现自配置、自修复、自优化,需要对光网络进行有全面、及时、准确的把握,如何实现光网络全参量、哑资源、外部环境变化(如施工、温度等)等的实时感知,对光网络感知、哑资源感知、光纤传感等技术提出了挑战。当前 15 分钟/24小时的性能数据已经远远不能反映网络中发生的瞬态效应,比如秒级/毫秒级业务闪断、流量突发等。当前性能管理理念已使用 20 年,存在大量无效数据,无法查询到性能突变的具体时间点,比如光功率何时波动、误码何时产生等。实现对光网络的高准确智能分析预测和性能突变精准捕捉,要求对网络数据的采集精度从小时级/分钟级提升至秒级/亚秒级,如何实现秒级/亚秒级数据的采集和海量大数据的管理,对硬件光 sensor 数据采集、软件高性能数据流转等技术提出了挑战。